基于物联网的矿山机械设备状态智能感知与诊断

作     者：丁恩杰 俞啸 廖玉波 吴传龙 陈伟 郁万里 王威 DING Enjie;YU Xiao;LIAO Yubo;WU Chuanlong;CHEN Wei;YU Wanli;WANG Wei

作者机构：中国矿业大学矿山互联网应用技术国家地方联合工程实验室江苏徐州221008 中国矿业大学物联网(感知矿山)研究中心江苏徐州221008 淄博矿业集团有限责任公司装备环保部山东淄博255000 中国矿业大学信息与控制工程学院江苏徐州221008 University of BremenInstitute of Electrodynamics and MicroelectronicsBremen 28359 

基　　金：国家重点研发计划资助项目(2017YFC0804400 2017YFC0804401) 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2020年第45卷第6期

页      码：2308-2319页

摘      要：矿山生产机电设备是机械、电气、液压、控制等多形式系统的复杂耦合结构,工作过程中环境和工况条件变化多样,缺乏有效的技术手段解决矿山设备运行健康状态的实时感知问题。借助物联网、工业互联网、人工智能和大数据挖掘技术,研究矿山设备状态知识建模与在线诊断方法,将传统的“人-机”交互监控模式提升为“传感—机器认知—机器决策”的智能化监控模式。分析了基于物联网的矿山设备状态感知系统架构,定义了多源信息感知层、边缘智能层、大数据分析层和数据与知识共享迁移层的4个层次的作用,提出了设备状态知识共享与迁移模式;结合本体语义、置信规则库和数字孪生技术,设计了面向矿山机械设备系统状态知识建模的信息描述、知识表示、决策融合方法,提出了面向矿山设备运行全过程的实时感知、演化分析与智能交互的“虚实融合”感知模型,实现虚、实系统运行过程的“精准映射、信息对偶、融合交互、协同演进”。分析了数据驱动的矿山机械设备状态诊断方法研究现状、技术架构、存在问题和研究趋势,提出结合数字孪生、深度学习、迁移学习等方法,构建机理模型、经验知识与数据深层特征相融合的矿山设备状态诊断模式,研究矿山设备状态大数据分析与应用技术,研发矿山设备状态诊断与全生命周期管理等智能化应用服务系统。形成了矿山设备运行信息感知、知识建模与状态在线判识方法体系,以实现矿山机械设备故障状态自诊断、早期隐患预知维护、智能调度与协同管控,为矿山生产智能化、无人化提供技术支撑。

主 题 词：矿山设备 物联网 知识建模 状态诊断 大数据分析 

学科分类：081901[081901] 0808[工学-自动化类] 0819[工学-海洋工程类] 0809[工学-计算机类] 08[工学] 0820[工学-航空航天类] 0817[工学-轻工类] 0818[工学-交通运输类] 0807[工学-电子信息类] 0815[工学-矿业类] 0827[工学-食品科学与工程类] 0813[工学-化工与制药类] 0802[工学-机械学] 0703[理学-化学类] 0814[工学-地质类] 0801[工学-力学类] 

核心收录：

D　O　I：10.13225/j.cnki.jccs.ZN20.0340

馆 藏 号：203953378...